Xiaomiの新AI MiMo V2.6 9Bは、VRAM 8GBのグラボでどれくらい動く?

本ページは広告(アフィリエイトプログラム)を含みます。詳しくはプライバシーポリシーをご覧ください。

2026年11月3日(世界時)にリリースされた Ollama v0.40.15 で、Xiaomi の MiMo V2.6 に9B(90億パラメータ)の小型版が加わりました。9月に当ブログで測った MiMo V2.6 は、複数枚のグラフィックボードで動かす大型でした。今回は、1枚のグラフィックボードに載る大きさです。コードとエージェント用途向けとされるこの小型版は、手元の GPU でどのくらいの速さで動き、どれだけのメモリを使うのでしょうか? 同じ土台の Qwen3.5-9B と並べて、RTX 3090 で測りました。

この記事は実測です。2026年11月8日と9日に、Ubuntu 機の RTX 3090(VRAM 24GB)で測りました。VRAM 8GB の RTX 3070(Linux 機)でも、同じ条件で測りました(11月9日)。12GB のカードでは測っていません。答えの賢さは、同じ問題集を土台の Qwen3.5-9B にも解かせて測りました(11月9日・10日・12日)。測れた範囲と測れていない範囲を、分けて書きます。

目的〜何を確かめた記事か

確かめたのは、次の3つです。

  • 速さ: MiMo V2.6 9B の「書く速さ」と「読む速さ」は、土台の Qwen3.5-9B と比べてどうか。文脈の長さで、どう変わるか
  • メモリ: 文脈を長くしたとき、VRAM をどれだけ使うか。8GB・12GB のカードに載るのか
  • 同時処理: Ollama v0.40.15 の更新で、同時に複数の依頼を処理できるようになったとされる。実際に、合計の速さは上がるのか
  • 賢さ: コードを書く力・知らないことを知らないと言えるか・計算の正しさは、土台の Qwen3.5-9B と比べてどうか

賢さは、当ブログで使っている小さな問題集(コード13問・偽の前提を含む問い・計算96問)で測りました。Xiaomi の公称値(SWE Pro などの大きな試験)とは問題が違うので、公称値の追試ではありません。

前提知識〜この記事で使う言葉

  • MiMo V2.6 9B: Xiaomi の MiMo チームが公開している、9B のモデルです。Ollama の説明では、Qwen3.5-9B を、MiMo が作ったデータで追加学習(微調整)したものです。ライセンスは MIT で、文脈の長さは 256K(約26万トークン)、画像も読めます
  • 書く速さ(decode): 答えを1トークンずつ作る速さです。単位は tok/s(1秒あたりのトークン数)で、日本語ではおおよそ1トークンが1〜2文字の目安です
  • 読む速さ(prefill): 入力の文章を読み込む速さです。長い文章を渡すときの待ち時間を決めます。単位は tok/s です
  • 文脈の長さ(num_ctx): 一度に覚えておける文章の量です。長くするほど、会話の記憶(KV キャッシュ)が VRAM を使います
  • 同時リクエスト: 複数の依頼を同時に処理することです。Ollama では OLLAMA_NUM_PARALLEL で同時に処理する数を決めます
  • Q4_K_M: モデルを4ビット前後に圧縮する方式の1つです。今回の2つのモデルは、どちらもこの方式でした
  • 作話率(FAR): 偽の前提を含む問い(実在しない物の仕様を聞くなど)に、「分からない」と留保せず、もっともらしい答えを作ってしまった割合です。低いほど良く、「答えのある問いにはちゃんと答えたか」(的中率)と対で読みます
  • 確信度のずれ(ECE): 「どのくらい自信があるか」を答えさせ、その自信と実際の正答率のずれを表した値です。0 に近いほど、自信の申告が当てになります
  • 思考モード(thinking): 答える前に、考えの過程を書かせる設定です。速さの測定では切りました。賢さの測定では、切った場合と入れた場合の両方を測りました

方法〜どう測ったか

機材と設定

測定は、Ubuntu 機の RTX 3090(VRAM 24GB)と、別の Linux 機の RTX 3070(VRAM 8GB)で、それぞれ1枚だけを使いました。ほかのグラフィックボードは見えない設定にしています。Ollama は v0.40.15 を、普段使っている版とは別の場所に置いて、専用のポートで動かしました。普段使っている版には触れていません。

モデルは、Ollama から取得した mimo-v2.6(latest)と qwen3.5:9b です。2つとも、構造は qwen35、パラメータ数は 9.0B、圧縮は Q4_K_M で、ファイルの大きさはどちらも 6.6GB でした。構造・圧縮・大きさが同じなので、速さの違いがモデルの中身から来るのか、ほかに原因があるのかを見たくて、この2つを選びました。

測り方

  • 考えさせる設定(thinking)は切りました。温度は 0、乱数の種は 1 に固定しました
  • 出力は 256 トークンに固定しました(同時処理の測定は 200 トークン)
  • 入力は、文脈の長さごとに、約 230 トークン(MiMo は 226、Qwen は 229)・約 3,600 トークン・約 17,100 トークンの3種類です。毎回、先頭に違う番号を付けて、前の入力の記憶(キャッシュ)が使われないようにしました。実際に、読み込まれたトークン数が毎回ほぼ同じ値(MiMo は全回同じ、Qwen は最大で1トークン違い)だったことを確かめています
  • 各条件で、モデルの読み込みを含む最初の1回を別に測り、続けて6回測りました。結果は、6回のうち最大と最小を除いた4回の中央値です
  • 同時処理は、OLLAMA_NUM_PARALLEL を 1 と 4 にして、同時に出す依頼を 1・2・4 本にしました。文脈は 4,096、入力は約 300 トークンです。各条件を6回測り、同じ方法で中央値を取りました。最初の測定(11月8日)は、4本の同時処理で合計約 225 tok/s と、今回の測り直しと同じ結果でしたが、2本の結果が測るたびに大きくばらつき、生データも一部保存できていませんでした。そのため、Ollama を入れ直して、11月9日に全部測り直しました。この記事の同時処理の表は、測り直しの値です
  • VRAM は、モデルを読み込む前後の nvidia-smi の差で測りました。ほかのモデルが残っていない状態から、1回ずつ測っています(11月8日の値と、11月9日の測り直しの値は、全項目で同じでした)

賢さの測り方

  • 機材: 普段使いとは別に用意した Ollama で測りました。MiMo V2.6 9B は RTX 5060 Ti・Ollama v0.40.15(11月10日)です。Qwen3.5-9B は、コードと偽の前提の問いは EVO-X2・v0.32.15(11月9日)、計算96問は RTX 3090・v0.40.15(11月12日)です。計算は両方とも v0.40.15 で揃いました。コードと偽の前提は、MiMo が新しい Ollama でないと取得できず、Qwen を先に測ってあったため、版が揃っていません。参考に、Qwen の計算(思考なし)を v0.32.15 でも測ってあり、v0.40.15 との差は 96問中1問でした
  • 問題集: ①コード13問(書いたコードを、隠してあるテストで採点。全部通れば合格)②偽の前提を含む問い(実在しない物について聞き、留保したか、作ってしまったかを分ける)と、答えのある問い12問(きちんと答えたか)③計算96問(正答率と、自信の申告のずれ)です。②は思考モードを切って、③は切った場合と入れた場合の両方を測りました
  • 回数: 各1回です。温度は 0 です。問題数が少ないので、1問の差で割合が大きく動きます。作話率には、統計的な幅(95%区間)を付けました。思考モードありは、時間の上限を付けずに最後まで解かせました
  • 採点は、答えを書いたモデルとは別の仕組みで行い、モデル自身には採点させていません

結果〜速さ・メモリ・同時処理・賢さ

書く速さと読む速さ

文脈の長さ 入力トークン数 MiMo V2.6 9B 書く速さ [tok/s] Qwen3.5-9B 書く速さ [tok/s] MiMo 読む速さ [tok/s] Qwen 読む速さ [tok/s]
2,048 226 120.3 97.2 2,987 2,627
8,192 約 3,600 115.8 94.0 4,537 4,208
32,768 約 17,100 109.3 90.0 4,398 4,209

RTX 3090・Ollama v0.40.15・Q4_K_M・各条件6回のうち、最大と最小を除いた4回の中央値・2026年11月8日の実測です。

MiMo V2.6 9B のほうが、書く速さが約2割速い結果でした(120.3 ÷ 97.2 = 1.24 倍、115.8 ÷ 94.0 = 1.23 倍、109.3 ÷ 90.0 = 1.21 倍。計算)。6回の最小値と最大値は、MiMo が 117.7〜120.7、Qwen が 95.7〜98.8 で、重なっていません。モデルを載せる11月9日の測り直し(同時処理の1本のとき)でも、MiMo 約 120 tok/s、Qwen 約 97〜99 tok/s と、同じ差でした。

文脈を 2,048 から 32,768 に伸ばすと、書く速さは MiMo で 120.3 から 109.3 tok/s(約9%減)、Qwen で 97.2 から 90.0 tok/s(約7%減)に下がりました。読む速さは、入力が短い 2,048 のときだけ低く、約 3,600 トークン以上では 4,200〜4,500 tok/s 前後でした。17,100 トークンの入力は、約4秒で読み込める計算です(17,090 ÷ 4,398 = 3.9 秒)。

2つは、構造も圧縮も大きさも同じです。それでも、書く速さに2割の差が出ました。理由は確認していません。追加学習で重みの値が変わっても、計算量は変わらないはずなので、この差は意外な結果でした。Ollama の取り込み方の違いなども考えられますが、確かめていません。

VRAM の使用量

文脈の長さ VRAM の増え分 [MiB] おおよそ [GB]
2,048 6,473 6.3
8,192 6,783 6.6
32,768 7,599 7.4
65,536 9,023 8.8
131,072 10,631 10.4

MiMo V2.6 9B を読み込んだ前後の、nvidia-smi の差です(1回ずつの測定。Qwen3.5-9B も、同じ構造のため同じ値でした)。

文脈の長さを 2,048 から 131,072 に伸ばしても、増えたのは約 4.1GB でした(10,631 − 6,473 = 4,158 MiB。計算。1GB = 1,024 MiB で換算)。文脈が長くなる分のメモリが、この種類のモデルでは小さく済んでいます。これは、構造が qwen35 であることと関係していると考えられますが、仕組みまでは確かめていません。

VRAM 8GB の RTX 3070 で測った結果

VRAM 8GB の RTX 3070(Linux 機・Ollama v0.40.15・Q4_K_M)で、同じ測り方で測りました。文脈 2,048・8,192・32,768 は6回、65,536・131,072 は時間の都合で3回です。「GPU の割合」は、Ollama が示した、モデル全体のうち VRAM に載った割合です。

文脈の長さ GPU の割合 MiMo 書く速さ [tok/s] Qwen 書く速さ [tok/s] MiMo 読む速さ [tok/s] Qwen 読む速さ [tok/s]
2,048 100% 67.3 57.4 1,847 1,724
8,192 100% 64.5 56.0 2,689 2,679
32,768 約85%(一部が CPU) 30.8 28.9 1,374 1,372
65,536 約70% 16.4 15.7 — —
131,072 約55% 10.8 10.5 — —

読む速さは、文脈 65,536 以上では、入力が短い条件だけで測ったため、載せていません(—)。

文脈 8,192 までは、モデル全体が VRAM に載り、MiMo は 64.5〜67.3 tok/s で書けました。RTX 3090 の 115.8〜120.3 tok/s の約5〜6割です(67.3 ÷ 120.3 = 0.56、64.5 ÷ 115.8 = 0.56。計算)。3090 と 3070 のメモリ帯域は、936 GB/s と 448 GB/s で、約0.48倍です(448 ÷ 936 = 0.48。計算)。

文脈を 32,768 にすると、全体が約 7.3GB になり、VRAM に載るのは約 6.2GB で、約15%が CPU 側に回りました。書く速さは 30.8 tok/s と、8,192 のときの半分以下に落ちました。さらに長くすると、CPU に回る割合が増え、131,072 では約 45% が CPU 側で、10.8 tok/s でした。Qwen3.5-9B も、同じ傾向でした。

つまり、VRAM 8GB のカードで、MiMo V2.6 9B を速く使える範囲は、文脈 8,192 前後までです。MiMo は、どの文脈でも、Qwen3.5-9B より約 3〜17% 速い結果でした(書く速さの比: 67.3 ÷ 57.4 = 1.17、64.5 ÷ 56.0 = 1.15、30.8 ÷ 28.9 = 1.07、16.4 ÷ 15.7 = 1.04、10.8 ÷ 10.5 = 1.03。計算)。3090 での約2割の差より、小さくなっています。

同時リクエスト

設定 同時に出した依頼 MiMo 合計 [tok/s] MiMo 1本あたり [tok/s] Qwen 合計 [tok/s] Qwen 1本あたり [tok/s]
NUM_PARALLEL=1 1本 108.1 121.3 89.1 98.8
NUM_PARALLEL=1 2本 105.5 119.5 87.7 96.6
NUM_PARALLEL=1 4本 107.6 118.2 87.8 94.5
NUM_PARALLEL=4 1本 109.9 119.8 90.0 96.8
NUM_PARALLEL=4 2本 180.3 104.0 130.2 72.9
NUM_PARALLEL=4 4本 227.3 69.8 162.1 46.1

「合計」は、出力したトークンの合計を、全部の依頼が終わるまでの時間で割った値です。「1本あたり」は、各依頼が答えを書いている間の速さで、順番待ちの時間は含みません。条件は、RTX 3090・文脈 4,096・入力約 300 トークン・出力 200 トークンです。

NUM_PARALLEL=1 では、同時に出す本数を増やしても、合計はほとんど変わりませんでした(MiMo で 108.1・105.5・107.6)。依頼は順番に処理されて、後ろの依頼は待たされていると読めます。NUM_PARALLEL=4 にすると、MiMo の合計は、2本で 180.3 tok/s(1本のときの約1.6倍)、4本で 227.3 tok/s(約2.1倍)でした(180.3 ÷ 109.9 = 1.64、227.3 ÷ 109.9 = 2.07。計算)。1本あたりの速さは 119.8 から 69.8 tok/s に下がります。それでも、4人が同時に使うと、1人あたり約 70 tok/s は出る計算です。

Qwen3.5-9B も同じ傾向で、合計は1本の 90.0 tok/s から、2本で 130.2 tok/s(約1.4倍)、4本で 162.1 tok/s(約1.8倍)になりました。MiMo のほうが、本数を増やしたときの伸びが大きい結果です。理由は確認していません。2つのモデルとも構造は同じなので、この同時処理は、v0.40.15 の更新に含まれる「再帰型・画像付きのモデルが複数の依頼を同時に処理できる」変更の効果と考えられます。更新前の版との比較は測っていないため、更新で良くなったかは、この記事では確かめていません。

賢さ〜コード・偽の前提・計算

項目 MiMo V2.6 9B Qwen3.5-9B どう読むか
コード13問(全部のテストに通った数) 9/13 12/13 多いほど良い
作話率 FAR(偽の前提の問い) 0.231(95%区間 0.08〜0.50) 0.143(95%区間 0.04〜0.40) 低いほど良い
的中率(答えのある問い12問) 12/12 11/12 多いほど良い
計算96問 正答率(思考モードなし) 0.771(74問) 0.719(69問) 高いほど良い
計算96問 確信度のずれ ECE(思考モードなし) 0.213 0.281 低いほど良い
計算96問 正答率(思考モードあり) 0.938(90問) 1.000(96問) 高いほど良い
計算96問 確信度のずれ ECE(思考モードあり) 0.022 0.000 低いほど良い
思考モードありの考えた文字数(1問あたりの中央値) 94 文字 1,884 文字 少ないほど速い
思考モードありの出力トークン数(96問の合計) 45,882 138,313 少ないほど速い

Q4_K_M・各1回・温度 0 です。コードと偽の前提は、MiMo が RTX 5060 Ti・Ollama v0.40.15、Qwen が EVO-X2・v0.32.15 で、版が揃っていません。計算96問は、両方とも v0.40.15 です(MiMo は RTX 5060 Ti、Qwen は RTX 3090。答えの中身は GPU の違いで変わらない前提ですが、確かめていません)。

コード13問は、MiMo が 9問、Qwen が 12問でした。MiMo の落ちた4問のうち2問は、テストの9割・6割に通る「惜しい」答えでした。3問の差は、13問・各1回では偶然でも出る大きさで、MiMo のコードが劣るとまでは言えません。偽の前提の問いでは、MiMo は13件のうち3件で、実在しない物の答えを作ってしまいました(作話率 0.231)。Qwen は14件のうち2件(0.143)です。ただし、どちらも95%区間が 0.04〜0.50 の範囲で重なっていて、この回数では差があるとは言えません。答えのある問いには、MiMo は12問すべてに答え、Qwen は1問を「分からない」と断りました。

計算96問は、思考モードなしで MiMo が 74問、Qwen が 69問でした。思考モードを入れると、MiMo は 90問、Qwen は 96問すべてに正解し、自信の申告のずれ(ECE)も MiMo が 0.213 から 0.022 に、Qwen が 0.281 から 0.000 に小さくなりました。思考モードを入れると、計算の正しさも、自信の申告の当てになる度合いも、両方ともはっきり上がりました。

ただし、考える量が違います。1問あたりの考えた文字数の中央値は、MiMo が 94 文字、Qwen が 1,884 文字で、約20倍です。96問の出力トークンの合計は、MiMo が 45,882、Qwen が 138,313 で、約3倍です(138,313 ÷ 45,882 = 3.0。計算)。Qwen は RTX 3090 で96問を解き終えるまでに 1,888 秒(約31分)かかりました。MiMo が落とした6問は、大きな素数(128番目・174番目・191番目など)と、7進数への変換、6桁同士の掛け算で、Qwen はそれらを長く考えて当てています。MiMo が思考モードでも短く答えるのは、学習のさせ方の違いと考えられますが、確かめていません。

考察〜どう読めるか

9B としては速く、文脈を伸ばしても落ちにくい

RTX 3090 で書く速さが 109〜120 tok/s ということは、日本語ならおおよそ1秒に 110〜240 文字(1トークンを1〜2文字とした目安)です。人が読むより速い速さです。文脈を 32,768 まで伸ばしても、1割ほどしか落ちませんでした。長い資料を読ませる使い方でも、書く速さはあまり変わりません。ただし、3090 は一般的な家庭用のカードの中では速い部類なので、同じ値が他のカードで出るとは限りません。

同じ土台なのに、2割の差が出た

MiMo と Qwen は、構造・圧縮・大きさが同じなのに、書く速さに約2割の差が出ました。1つのモデルだけを見て「9B の速さ」とは言えず、同じ名前の大きさでも、モデルごとに測る必要があることが分かります。理由は未確認です。

速さは2割違ったが、賢さの差は「考える量」以外に見られなかった

書く速さは MiMo が約2割速かったのに対し、賢さは、思考モードなしでは、どの項目でも差があるとは言えませんでした。コードは MiMo が3問少なく、計算は MiMo が5問多く、偽の前提への作話率は区間が重なっています。この程度の差は、13問・96問・各1回では偶然でも出る大きさです(コード 9/13 と 12/13 の差が偶然で出る確率は約3割、計算 74/96 と 69/96 は約5割。計算)。思考モードありの計算だけは、Qwen の 96問が MiMo の 90問を上回りました(偶然で出る確率は約3%。計算)。ただし Qwen は約3倍の量を考えてから答えているので、「賢さの差」というより「考える量の差」です。Xiaomi は「コードとエージェント用途向け」としていますが、13問の小さな問題集では、コードで土台を上回る結果は出ませんでした。Xiaomi の公称値(SWE Pro 32.0 → 44.6 など)は、もっと大きく、エージェントとして動かす試験なので、今回の結果と食い違っているとも言えません。問題の種類が違います。

はっきり効いたのは、思考モードです。思考モードを入れると、計算の正答率は MiMo が 0.771 から 0.938 に、Qwen が 0.719 から 1.000 に上がり、自信の申告も両方とも当てになるようになりました。速さの表は思考モードを切って測っているので、思考モードを入れて使うなら、答えを書き始めるまでに考えの分だけ時間が足されます。その「考えの分」が、MiMo は短く(中央値 94 文字)、Qwen は長い(1,884 文字)という違いです。同じ 9B・同じ土台でも、思考モードでの振る舞いは別物でした。

Ollama の版は、計算96問では揃えました(両方 v0.40.15)。Qwen の思考なしは v0.32.15 でも測ってあり、v0.40.15 との差は1問(68問と69問)だったので、この問題集では版の影響は小さいと見ています。コードと偽の前提の問いは版が揃っていないままで、コードの3問差がモデルの差なのか版の差なのかは、分けられていません。

家のサーバーで複数人・複数のエージェントが使う場合

1台の GPU に、家族や複数のエージェントがつなぐ使い方では、NUM_PARALLEL を 4 にすると、4本のとき、合計の速さが約2倍(MiMo)になりました。1人あたりの速さは下がりますが、順番待ちが減ります。注意点は、VRAM です。同時に処理する数だけ、文脈の記憶が増えます。今回は、文脈 4,096 で測りました。文脈を長くしたうえで同時数を増やすと、VRAM が足りなくなる可能性があります。この組み合わせは測っていません。

グラフィックボードを選ぶ目安

9B のモデルを、文脈 8,192 前後で使うなら、VRAM 8GB のグラフィックボードでも、全部が VRAM に載り、64.5〜67.3 tok/s で書けました(RTX 3070 の実測)。文脈を 32,768 にすると、一部が CPU に回り、速さが半分以下に落ちます。256K の長い文脈を使いたいなら、VRAM 12GB 以上が目安ですが、12GB のカードでは測っていません(VRAM の使用量からの計算では、131,072 でも約 10.4GB なので、載ります)。グラフィックボードの VRAM や価格は、当ブログの GPU 価格一覧で、VRAM の容量や新品・中古の別に並べて見られます。

MiMo と Qwen の使い分けの目安

賢さに差が見えなかったので、使い分けは、速さ・同時処理・思考モード・ライセンスで決めるのが、今回の実測から言える範囲です。

  • MiMo V2.6 9B を選ぶ場面: 1人で対話的に使い、応答の速さを優先するとき(同じ GPU で約2割速い)。家のサーバーで家族や複数のエージェントが同時に使うとき(4本同時の合計が 227 対 162 tok/s で、伸びが大きい)。思考モードを使いつつ、待ち時間を短くしたいとき(思考ありで 96問中 90問・考える量は Qwen の約3分の1)。ライセンスを MIT に揃えたいとき
  • Qwen3.5-9B を選ぶ場面: 時間がかかっても計算を確実に当てたいとき(思考ありで 96問中 96問。ただし考える量が約3倍で、96問に約31分)。すでに Qwen3.5 系で環境を組んでいて、入れ替える理由がないとき(思考なしの賢さに差が見えない以上、2割の速さだけのために変える必要はありません)。Ollama の古い版しか使えない環境(MiMo は v0.40.15 以降でないと取得できません)。ライセンスは Apache 2.0 です(Hugging Face のモデルページ、2026年11月12日に確認)
  • どちらでも変わらないこと: VRAM 8GB で速く使える範囲(文脈 8,192 前後まで)、容量と VRAM の使用量、思考なしでのコード・偽の前提・計算の正答率(この問題集の範囲)
  • 決められないこと: エージェントとして長く動かしたときの差(Xiaomi が主張している点ですが、測っていません)と、日本語の文章の質(測っていません)

限界〜確かめていないこと

  • 12GB のカード: 測っていません。8GB は RTX 3070 で、24GB は RTX 3090 で測りました。12GB は、VRAM の使用量からの計算だけです。RTX 3070 の文脈 65,536 と 131,072 は、3回だけの測定です
  • 賢さ: 各1回・コード13問・計算96問の小さな問題集です。1問の差で割合が大きく動きます。コードと偽の前提の問いは、MiMo(Ollama v0.40.15)と Qwen(v0.32.15)で版が揃っておらず、差がモデルによるものか版によるものかは分けられていません。計算96問は版を揃えましたが、GPU は MiMo が RTX 5060 Ti、Qwen が RTX 3090 です。エージェントとして長く動かす力は測っていません。Xiaomi は、Qwen3.5-9B との比較として、SWE Pro で 32.0 から 44.6、Terminal Bench 2.1 で 27.0 から 37.1 と示していますが、Xiaomi 自身の評価で、問題も違うため、今回の結果とは並べていません
  • 測定回数: 各条件6回で、最大と最小を除いた4回の中央値です。同時処理の最初の測定(11月8日)は、2本の結果が測るたびに大きくばらつきました(原因は確認していません)。表の値は、11月9日の測り直しです。測り直しでは、各条件の6回の値が近くまとまりました(MiMo の2本は 172.2〜186.0 tok/s)。1本あたりの速さが落ちた単発の回は、最初の測定にだけありました
  • 同時処理: 更新前の版との比較はありません。生データは測り直し分を保存しており、最初の測定の生データは一部しかありません。文脈 4,096・入力約 300 トークン・出力 200 トークンの条件だけです
  • VRAM: 1回ずつの測定です。画面表示などで使われる分は、今回の機体では含まれていません
  • 思考モード: 考えさせる設定は切って測りました。考えさせると、書く量が増えて、全体の待ち時間は変わります

まとめ〜MiMo V2.6 9B を測った結果

  • MiMo V2.6 9B は、RTX 3090 で書く速さが 120.3 tok/s(文脈 2,048)から 109.3 tok/s(文脈 32,768)で、同じ土台の Qwen3.5-9B(97.2 から 90.0 tok/s)より約2割速かった。理由は未確認
  • VRAM は、文脈 2,048 で約 6.3GB、131,072 で約 10.4GB だった。VRAM 8GB の RTX 3070 では、文脈 8,192 までは全部が VRAM に載り、64.5〜67.3 tok/s で書けた。32,768 では約15%が CPU に回り、30.8 tok/s に落ちた
  • OLLAMA_NUM_PARALLEL=4 で 4本を同時に出すと、MiMo の合計は 227.3 tok/s で、1本のとき(109.9 tok/s)の約2.1倍になった。Qwen3.5-9B は約1.8倍だった
  • 賢さは、コード13問で MiMo 9問・Qwen 12問、計算96問(思考なし)で MiMo 74問・Qwen 69問、偽の前提への作話率は 0.231 と 0.143。どれも問題数と回数が足りず、差があるとは言えなかった。思考モードを入れると、計算は MiMo 90問・Qwen 96問に上がった。Qwen は考える量が約3倍で、96問に約31分かかった(各1回)
  • 使い分けは、速さと短い思考で回すなら MiMo、時間をかけても確実に当てたいなら Qwen の思考あり。思考なしの賢さでは選べない。エージェント用途の差は測っていない
  • 12GB のカードでの実測は、まだない

参考にした資料(2026年11月8日に確認):

  • Ollama「mimo-v2.6」: https://ollama.com/library/mimo-v2.6
  • Ollama v0.40.15 のリリースノート: https://github.com/ollama/ollama/releases/tag/v0.40.15
  • 当ブログ「ローカルでOpus 5級のLLM? MiMo-V2.6を試した」: https://kimono-oyaji.com/mimo-v26-local/

次の一歩

この記事で使った機材

GMKtec EVO-X2 (Ryzen AI Max+ 395 / 128GB / 2TB)A8限定クーポン「A82608」で5,000円OFF(2026/10/31まで)

¥614,999 Amazon(API取得)・2026-11-17 04:30調べ¥724,586 楽天市場・2026-11-17調べ